抓取-在抓取和随机更改用户代理时访问数据
抓取-在抓取和随机更改用户代理时访问数据
提问于 2015-12-02 19:12:13
当抓取在爬行时，是否可以访问数据？我有一个脚本，它找到一个特定的关键字，并在.csv中写入关键字以及找到它的链接。但是，我必须等待抓取完成爬行，当完成时，它将实际输出.csv文件中的数据。
我也试图随机改变我的用户代理，但它不起作用。如果不允许我在一个问题中回答两个问题，我将把它作为一个单独的问题发布。
#!/usr/bin/env python
# -*- coding: utf-8 -*-
from scrapy.spiders import Spider
from scrapy import log
from FinalSpider.items import Page
from FinalSpider.settings import USER_AGENT_LIST
from FinalSpider.settings import DOWNLOADER_MIDDLEWARES
import random
import telnetlib
import time
class FinalSpider(Spider):
name = "FinalSpider"
allowed_domains = ['url.com']
start_urls = ['url.com=%d' %(n)
for n in xrange(62L, 62L)]
def parse(self, response):
item = Page()
item['URL'] = response.url
item['Stake'] = ''.join(response.xpath('//div[@class="class"]//span[@class="class" or @class="class"]/text()').extract())
if item['cur'] in [u'50,00', u'100,00']:
return item
# 30% useragent change
class RandomUserAgentMiddleware(object):
def process_request(self, request, spider):
if random.choice(xrange(1,100)) <= 30:
log.msg('Changing UserAgent')
ua = random.choice(USER_AGENT_LIST)
if ua:
request.headers.setdefault('User-Agent', ua)
log.msg('>>>> UserAgent changed')
回答 1
Stack Overflow用户
回答已采纳
发布于 2015-12-02 20:31:28
您不必将收集到的项(又名“数据”)输出到csv文件中，您只能使用以下命令运行scrapy：
scrapy crawl myspider这将是将日志输出到终端，但是为了将项目仅存储到csv文件中，我假设您正在执行如下操作：
scrapy crawl myspider -o items.csv现在，如果您想存储日志和项目，我建议您将其放入您的settings.py文件中：
LOG_FILE = "logfile.log"现在，当蜘蛛运行时，您可以看到一些东西，只需检查该文件。
对于随机用户代理的问题，请检查如何激活稀薄的中间件。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/34051037
复制相关文章
相似问题
腾讯云开发者
